مدلسازی مکانی سیلاب با استفاده از الگوریتم شبکه عصبی مصنوعی و توابع تحلیلی GIS

سیلاب از اصلی ترین بلایای همه گیر و یکی از مسایل مهم جهانی است به طوری که با افزایش شدت و فراوانی رخدادهای سیل، نگرانی های جهانی در خصوص افزایش مرگ و میر و ضررهای اقتصادی ناشی از سیل افزایش یافته است. تاکنون روش های مختلفی برای تحلیل این مخاطره طبیعی توسعه و پیشنهاد داده شده است. هدف این مطالعه بهره مندی از توابع تحلیل مکانی سیستم اطلاعات جغرافیایی (GIS)، داده های ایستگاه های هیدرومتری و باران سنجی، تصاویر ماهواره ای و لایه های اطلاعاتی موضوعی در قالب الگوریتم شبکه عصبی مصنوعی، برای پیش بینی مقادیر دبی و مدلسازی مکانی سیلاب در محدوده حوضه رودخانه کن واقع در استان تهران می باشد. به این منظور مدل شبکه عصبی بهینه با هفت ورودی شامل لایه های شیب، انحنای دامنه، جریان تجمعی، پوشش گیاهی، واحدهای زمین شناسی، رده های خاک و داده های بارش به همراه هشت، شانزده و یک نورن به ترتیب برای لایه های مخفی اول و دوم و خروجی طراحی و توسعه یافت. خروجی مدل شبکه عصبی مقادیر دبی ایستگاه ها بود، آنگاه بر اساس بالاترین دقت ثبت شده و به کارگیری اوزان میان نورون ها در لایه های شبکه، نقشه پتانسیل سیل خیزی ایجاد شد. پارامترهای دقت سنجی R2، RMSE و MAE برای نشان دادن کارایی مدل پیشنهادی به کار رفتند که به ترتیب مقادیر 0.82، 0.18 و 0.13 را شامل می شدند. نتایج این پژوهش می تواند در برنامه ریزی های محیطی آتی در مقیاس محلی به عنوان امکانی برای بهبود مدیریت بحران و مخاطرات زیست محیطی به کار رود. این مطالعه نشان داد که کاربرد توام توابع تحلیل مکانی GIS و الگوریتم شبکه عصبی کارایی بالایی برای پیش بینی پتانسیل وقوع مخاطرات طبیعی چون سیلاب دارد.